Российские ученые впервые в мире научили искусственный интеллект самостоятельно принимать …

Новый датасет называется XLand-MiniGrid и предназначен для обучения "ИИ-агентов" — моделей, которые умеют принимать решения. Решение разработано группой Научно-исследовательского института искусственного интеллекта AIRI при участии лаборатории T-Bank AI. "Датасет содержит не случайные данные из интернета с вопросами-ответами, а траектории того, как ИИ-агент действовал в нашей среде.

Основная цель — использование датасета для получения нейросетевых моделей, которые обладали бы "агентностью". Мы сделали его открытым, чтобы ученые и практикующие специалисты могли придумывать новые методы в исследовании ИИ и расширять границы самостоятельности моделей", — рассказал "РГ" руководитель группы "Адаптивные агенты" AIRI Владислав Куренков. ИИ-агент, обученный на новом датасете, может исследовать окружающий мир, чтобы понять, какие действия ведут к хорошему исходу, а какие к плохому. Затем он должен остановиться и перейти в фазу использования "хороших действий". Задача "исследования и использования" различных действий со стороны ИИ заключается в том, чтобы самостоятельно найти механизм обучения, который будет давать наилучший результат за меньшее количество шагов. В свое время похожий прорыв произошел в области обработки естественного языка. Раньше люди были вынуждены обучать разные нейросетевые модели под разные задачи, но с появлением GPT-методов смогли обходиться одной. Теперь вместо длительного процесса обучения для многих задач применяют лишь немного промпт-инжиниринга — создания специальных запросов или инструкций для ИИ-модели. Сегодня существует множество разновидностей искусственного интеллекта. Есть чат-боты, которые общаются с людьми, есть генеративные ИИ-модели, создающие тексты, музыку, изображения и даже видео. А есть так называемые агенты искусственного интеллекта, которые умеют взаимодействовать с окружающей средой, собирать данные и на их основе самостоятельно определять и выполнять действия, позволяющие добиться определенных целей. Эти цели задаются людьми, а ИИ-агент уже самостоятельно принимает решения для достижения этих целей. Сложные ИИ-агенты используют машинное обучение для сбора и обработки огромных объемов данных в реальном времени и принятия "обоснованных решений". Это, например, позволяет получать более точные прогнозы при разработке экономической стратегии, причем независимо от отрасли. Область потенциального применения ИИ-агентов очень широка. Говоря о "границах самостоятельности" ИИ Куренков отмечает, что в данный момент ИИ-модель работает только в рамках датасета и прилагающейся к ней среды. "Чтобы это работало в более сложных условиях принятия решений, требуется проделать еще много работы, поэтому границы самостоятельности ИИ в текущий момент строгие", — говорит Куренков. Однако, сегодня логика развития того, что называется современным искусственным интеллектом, двигает разработчиков в сторону создания автономных ИИ-систем. Такие системы более эффективные, "умные", и новая разработка российских ученых находится на пике самых передовых исследований. Однако все большая и большая самостоятельность, как в обучении, так и в принятии решений, а также самообучение ИИ стали предметом изучения потенциальных рисков. "Для нас ИИ — это своего рода черный ящик — мы не всегда понимаем, когда и какие результаты будут получены. А если там будет система из агентов, где каждый агент все решает сам, то сложность контроля в разы увеличивается. По сути, это черный ящик внутри черного ящика. В условиях синтетических данных риск предвзятости или ошибок выше, потому что система получает ограниченный набор ситуаций и не видит всю картину мира. Если синтетические данные содержат различные ошибки или отклонения, то наша ИИ-система, будет принимать их как правду и усиливать их", — говорит эксперт "Битрикс24" Сергей Нотевский. Не только…

Источник: rg.ru — rg.ru/2024/07/29/kto-tam.html